авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 || 3 |

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ НАЦИОНАЛЬНЫЙ АЭРОКОСМИЧЕСКИЙ УНИВЕРСИТЕТ ИМ. Н.Е. ЖУКОВСКОГО «ХАРЬКОВСКИЙ АВИАЦИОННЫЙ ИНСТИТУТ» Ю.И. ТОЛУЕВ, ...»

-- [ Страница 2 ] --

транспортировка товара с помощью мобильных средств (вилочных погрузчиков и т.п.) или с помощью стационарных средств (различного вида кранов и транспортёров);

комплектация, упаковка и размещение товара в таре для транспортировки;

погрузка товара на транспортное средство.

Задачи анализа внешней логистики дистрибуционного центра:

могут ли быть с достаточной точностью реализованы такие Раздел 2. Методы и инструменты симуляции характеристики потоков транспортных средств и грузов (распределение моментов прибытия транспортных средств, распределение типов и объёмов грузов), на которые с самого начала ориентируется проект ДЦ?

являются ли достаточными ресурсы транспортных систем, обеспечивающих выполнение функций внешней логистики для создаваемого ДЦ?

являются ли достаточно эффективными алгоритмы диспетчеризации и маршрутизации, применяемые в транспортных системах?

насколько велики размеры затрат, связанных с транспортировкой и перевалкой товаров на всех этапах процесса закупки и распределения?

Задачи анализа внутренней логистики дистрибуционного центра:

является ли достаточной общая пропускная способность технических средств склада в направлении загрузки и выгрузки склада, т.е.

будет ли обеспечена возможность обслужить с достаточной эффективностью потоки транспортных средств и грузов, определяемых процессами внешней логистики ДЦ?

каковыми являются граничные значения интенсивностей входных потоков складского объекта, после превышения которых начинается образование недопустимо длинных очередей транспортных средств, ожидающих обслуживания?

какие фрагменты системы внутренней логистики ДЦ в первую очередь определяют общую пропускную способность, т.е. претендуют на роль “узкого места”?

возникают ли очереди (заторы) из транспортируемых единиц груза в автоматической системе перемещения грузов, прежде всего, на транспортёрах?

являются ли достаточными ресурсы, состоящие из мобильных средств перемещения грузов (например, максимально доступное число вилочных погрузчиков, используемых для разгрузки транспортных средств)?

являются ли эффективными алгоритмы управления автоматической системы перемещения грузов и стратегии использования пространства зоны хранения склада?

является ли достаточной ёмкость пространства зоны хранения склада и ёмкости буферных пространств, например, в зонах приемки и отправки товаров?

как может и/или должен измениться процесс функционирования склада при проведении плановых ремонтов и реконструкций, а также при возникновении аварийных ситуаций?

Сущность аналитического моделирования При аналитическом моделировании процессы функционирования элементов системы записываются в виде алгебраических, интегральных, дифференциальных, конечно-разностных и иных соотношений и Раздел 2. Методы и инструменты симуляции логических условий. Результаты исследования аналитической модели могут быть:

качественными (устанавливаются такие свойства решения, как существование, единственность, устойчивость в большом и малом, характер зависимости выходных параметров от входных и т.п.);

аналитическими (устанавливаются явные зависимости для искомых характеристик);

численными (определяются числовые значения выходных величин для заданных входных данных).

Пример: СМО типа G/G/1.

Источник Очередь Устройство Сток Входной поток Выходной поток Рисунок 24. СМО типа G/G/ Для модели системы массового обслуживания, изображенной на рис.

24 среднее время ожидания в очереди рассчитывается по формуле:

tr(1 + c2 ) w= (1), 2(1 - r) где t - среднее время обслуживания;

r - коэффициент загрузки СМО;

c - коэффициент вариации времени обслуживания.

Сущность имитационного моделирования При имитационном моделировании (ИМ) реализующий модель алгоритм воспроизводит процесс функционирования системы во времени и пространстве, причем имитируются составляющие процесс элементарные явления c сохранением его логической и временной структуры. Результаты каждого шага моделирования могут интерпретироваться как состояние системы в определенный момент времени, a метод моделирования может быть определен как наблюдение во времени за характеристиками динамической модели системы. Это делает ИМ похожим на физический эксперимент.

Пример: СМО типа G/G/ Модель на языке GPSS (рис. 23) GENERATE 10, QUEUE RINDA SEIZE IERICE DEPART RINDA ADVANCE 8, RELEASE IERICE TERMINATE START Раздел 2. Методы и инструменты симуляции Особенности имитационного моделирования Основные преимущества имитационного моделирования:

свободный выбор уровня детализации отображения процессов в модели (действует принцип: могу отобразить в модели всё то, что доступно моему пониманию и что соответствует целям моделирования);

отсутствие ограничений на сложность логики моделируемых процессов и воспроизводимых в модели алгоритмов управления;

отсутствие ограничений на структуру и объём исходных данных моделирования.

Трудности, связанные с применением имитационного моделирования:

большие затраты времени и финансовых средств:

– на приобретение программных пакетов для имитационного моделирования;

– на подготовку детальных исходных данных;

– на разработку и проверку (верификацию и валидацию) модели;

– на планирование и проведение имитационных экспериментов;

– на привлечение экспертов в области имитационного моделирования.

модель в значительной мере отражает субъективные представления разработчика модели о моделируемой системе (действует принцип:

сколько разработчиков, столько и моделей);

модель, как правило, может быть эффективно применена для исследования только одной системы-оригинала.

Представление непрерывных и дискретных процессов в моделях Непрерывный и дискретный процессы представлены на рис. 25 26.

Behaelter links B ehlter im Erdgeschoss Behaelter rechts Behaelter gesamt Anzahl Behlter Zeit [min] Рисунок 25. Непрерывный процесс G a b e ls ta p le r 1 (la n g ) gs Platz-Nummer 8 gs gs gs gs gs 0 30 60 90 120 150 180 210 Ze it [m in ] Рисунок 26. Дискретный процесс Раздел 2. Методы и инструменты симуляции На рис. 27 изображена методика создания и применения модели логистической системы.

1.7. Общая 1.7. Конкретные задача задачи моделирования моделирования Концептуальная модель 1.2. Структура 1.6. Структура 1.3. Структура продукта процесса ресурсов 1.4. Структура 1.5. Концептуаль 1.4. Топологи материальных ная сетевая ческий план потоков модель Реальная Функционирую Результаты сетевая щая модель моделирования модель Рисунок 27. Методика создания и применения модели логистической системы Примеры формулировки общей задачи исследования логистической системы 1. Оценить заданные варианты реконструкции склада, которые предусматривают использование более производительных средств перемещения грузов и изменение схем размещения грузов в зонах хранения.

2. Сравнить стратегии организации маршрутов движения автомашин транспортного предприятия, обеспечивающего регулярные перевозки товаров между складами и предприятиями торговли.

3. Оценить максимальную пропускную способность контейнерного терминала в морском порту, которая будет обеспечена после проведения работ по удлинению причальной стенки. Решить вопрос о целесообразности установки дополнительного контейнерного перегружателя.

4. Оценить работу пункта сортировки почтовых отправлений при различных вариантах графика работы персонала.

Примеры формулировки конкретных задач исследования 1. Вместо вилочного погрузчика типа X применить погрузчик типа Y, средняя скорость движения которого на 3 м/с выше. Общее число погрузчиков увеличить до восьми. Сузить межрядные проходы в зонах хранения склада до 2-х метров. Оценить максимальную пропускную способность склада (поддоны в час) при работе только в режиме загрузки Раздел 2. Методы и инструменты симуляции склада.

2. Сравнить два альтернативных варианта организации поездок грузовых автомобилей: а) каждый автомобиль объезжает несколько складов и комплектуется товарами по заказам одного или нескольких магазинов;

б) каждый автомобиль загружается товарами лишь на одном складе и затем развозит эти товары по нескольким магазинам. Для каждого варианта оценить суммарный путь, проходимый автомобилями в течение рабочего дня при выполнении общего фиксированного объёма дневных перевозок.

3. Оценить максимальную пропускную способность контейнерного терминала (контейнеры за неделю), если длина причальной стенки будет увеличена на 50 м. Определить эффект от возможной установки дополнительного контейнерного перегружателя при условии, что уже имеющиеся перегружатели также могут обслуживать новую зону погрузки/выгрузки контейнеров.

4. Оценить среднее и максимальное время задержки почтовых отправлений в пункте сортировки при заданном графике прибытия и отправления автомобилей, перевозящих эти отправления, если число работников в третью (ночную) смену уменьшить на 5 человек, а в первую и вторую смены увеличить на 2 человека.

Средства имитационного моделирования логистических систем Универсальные пакеты имитационного моделирования дискретных систем:

AnyLogic;

Arena;

AutoMod;

DOSIMIS-3;

Enterprise Dynamics;

ExtendGPSS;

ProModel;

QUESTSimul8;

WITNESS.

Специализированные пакеты, ориентированные на моделирование цепей поставок:

PRODISI;

LogicNet Plus;

Supply Chain Builder;

SimFlex.

Информационные системы управления цепями поставок:

J.T. Edward;

e-SCOR;

Value Chain Managenemt;

Picaso;

Extend/SDI;

Раздел 2. Методы и инструменты симуляции Insight;

Supply Chain Guru;

CAPS Supply Chain Designer;

i2 Strategist ;

Manugistics SC Suite;

Формы выполнения работ по моделированию 1. Проводится имитационное исследование, при котором предусматривается передача заказчику только результатов имитационных экспериментов;

заказчик при этом может вообще не знать, с помощью какого симулятора проводилось моделирование.

2. Заказчику передаётся готовая модель (или библиотека моделей) с расчётом на то, что он сам будет в дальнейшем планировать и проводить имитационные эксперименты;

не предусматривается возможность, когда заказчик вносит изменения в саму модель;

все возможные варианты моделирования определяются только варьированием исходными данными.

3. Заказчику передаётся «всё в полном комплекте», т.е.

«имитационное исследование», «готовая модель», симулятор и вся «техника и технология» создания определенного класса моделей;

составной частью имитационного проекта является обучение заказчика, в результате которого он должен научиться работать с симулятором и создавать модели хотя бы для определенного класса систем (иногда - на базе специально созданной для этих целей библиотеки модулей).

Понятие «эксперт в области имитационного моделирования»

Эксперты в области имитационного моделирования логистических систем:

обладают базовыми инженерными и экономическими знаниями, необходимыми для понимания принципов функционирования определенных классов логистических систем;

владеют методами системного анализа и управления проектами, необходимыми для корректной постановки задачи моделирования и организации всех этапов работ по реализации и использованию моделей;

владеют не зависимыми от конкретных симуляторов методами имитационного моделирования, в том числе, и математическими методами;

владеют одним или несколькими симуляторами и языками программирования;

знакомы с современными информационными технологиями, обеспечивающими интеграцию моделей в системах проектирования, планирования и управления.

2.3. Модель системы внутризаводского транспорта Модель системы внутризаводского транспорта будет рассмотрена на примере компании VW (Volkswagen Wolfsburg). Логистический центр VW: участок обработки пустой тары (рис. 28 - 31).

Раздел 2. Методы и инструменты симуляции W echselbrcken entladen 20 2 2000 TE/AT bergabe an Puffer-Lager Modul KLT 3- Modul KLT 1- 13 11 9 7 Modul GLT Modul GLT Modul GS Schleppzge Vedichtungs entladen 14 12 10 8 zone 300 TE/AT nicht frderfhige Behlter Transportrichtungen fr Team 17 16 Vedichtungs- Frderanlage Transportrichtungen fr Team zone 2 entladen 5200 TE/AT 1 Haltepunkt Interne Operation fr Team Рисунок 28. Схема маршрутов вилочных погрузчиков Рисунок 29. Анимационная модель в 2D-пространстве (Proof Animation) Erforderliche Anzahl der Gabelstapler Anzahl der Gabelstapler 12 Team 2: norm.

11 Geschwindigkeit Team 2: reduz.

Geschwindigkeit 7 Team 1: beide 6 Geschwindigkeiten 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1, Relative Intensitt des Eingangstroms Рисунок 30. Результаты моделирования: требуемое число погрузчиков при различной интенсивности входного потока грузов Раздел 2. Методы и инструменты симуляции Wartende Wechselbrcken Stau in PFT 4 Anzahl Fahrzeuge Anzahl Leergut 0 0 30 60 90 120 0 30 60 90 Zeit [min] Zeit [min] Auslastung der Werker Auslastung kurzer Gabelstapler 50 Prozent Prozent 25 0 frei fahren mit Gut fahren ohne Gut warten vor Station Uebergabe W erker glt W erker klt12 W erker klt310 W erker gebsp Рисунок 31. Результаты моделирования: динамика очередей ожидания и загрузка ресурсов 2.4. Модель системы поставок комплектующих Модель системы поставок комплектующих рассмотрена на примере компании VW (Volkswagen Wolfsburg)(рис. 32 - 34). Исходными данными для построения модели послужила концепция системы снабжения сборочного предприятия (внешняя логистика) (рис. 32).

Исходные данные моделирования Подготовка исходных Прогон модели Дневной план выпуска продукции данных Графики рабочего времени Графики поставок автотранспортом Расписание движения грузового поезда Состав бригад вилочных погрузчиков Начальные уровни запаса на складах и в буферных зонах Результаты моделирования Интерпретация результатов моделирования Характеристики обслуживания автотранспорта Динамика запасов на складах и в буферных зонах Характеристики загрузки автопоезда Характеристики загрузки грузового поезда Характеристики работы бригад вилочных погрузчиков Рисунок 32. Концепция системы снабжения сборочного предприятия Раздел 2. Методы и инструменты симуляции Сравнение результатов моделирования двух сценариев представлено на рис. 33 – 34. На рис. 33 рассмотрены два показателя: время простоя грузовиков (а);

площадь, задействованная для погрузки в зоне Buffer WE1+WE2 (б). Показатели - площадь, задействованная для погрузки на складе High Bay Warehouse и время простоя погрузчиков представлены на рис. 34(а) и 34(б) соответственно.

Сценарий 1 Сценарий Trucks Waiting Trucks Waiting 3 2 Number of Trucks Number of Trucks 1 0 time [min] time [min] (а) (а) Used Area in Buffer WE1+WE2 Used Area in Buffer WE1+WE 18 Used Area [m2] Used Area [m2] 8 6 time [min] time [min] (б) (б) Рисунок 33. Сравнение результатов моделирования Сценарий 1 Сценарий Used Area in High Bay Warehouse Used Area in High Bay Warehouse 200 Used Area [m2] Used Area [m2] 50 time [min] tim e [min] (а) (а) Utilisation of Fork Lifts (T eam 1) Utilisation of Fork Lifts (T eam 1) 70 60 Percent Percent not occupied driving w ith driving w ithout driving w ith ret. transfer of not occupied driving with driving without driving with ret. transfer of re positorie s goods empties goods repositories goods empties goods (б) (б) Рисунок 34. Сравнение результатов моделирования Раздел 3. Стохастические процессы 3. СТОХАСТИЧЕСКИЕ ПРОЦЕССЫ 3.1. O теории случайных процессов Случайный процесс (вероятностный, или стохастический), процесс (т.е. изменение во времени состояния некоторой системы), течение которого может быть различным в зависимости от случая и для которого определена вероятность того или иного его течения.

Типичным примером случайного процесса может служить броуновское движение;

другими практически важными примерами являются турбулентные течения жидкостей и газов, протекание тока в электрической цепи при наличии неупорядоченных флуктуаций напряжения и силы тока (шумов) и распространение радиоволн при наличии случайных замираний (федингов) радиосигналов, создаваемых метеорологическими или иными помехами.

К числу случайных процессов могут быть причислены и многие производственные процессы, сопровождающиеся случайными флуктуациями, а также ряд процессов, встречающихся в геофизике (например, вариации земного магнитного поля), физиологии (например, изменение биоэлектрических потенциалов мозга, регистрируемое на электроэнцефалограмме) и экономике.

Для возможности применения математических методов к изучению случайных процессов требуется, чтобы мгновенное состояние системы можно было схематически представить в виде точки некоторого фазового пространства (пространства состояний) R, при этом случайный процесс будет представляться функцией X (t) времени t со значениями из R.

Наиболее изученным и весьма интересным с точки зрения многочисленных приложений является случай, когда точки R задаются одним или несколькими числовыми параметрами (обобщёнными координатами системы).

В математических исследованиях под случайным процессом часто понимают просто числовую функцию X (t), могущую принимать различные значения в зависимости от случая с заданным распределением вероятностей для различных возможных её значений – одномерный случайный процесс;

если же точки R задаются несколькими числовыми параметрами, то соответствующий случайный процесс X (t)={X1(t), X2(t),..., Xk (t)} называется многомерным.

Математическая теория случайных процессов (а также более общих случайных функций произвольного аргумента) является важной главой вероятностей теории.

Первые шаги по созданию теории случайных процессов относились к ситуациям, когда время t изменялось дискретно, а система могла иметь лишь конечное число разных состояний, т. е. – к схемам последовательности зависимых испытаний (А. А. Марков старший и др.).

Раздел 3. Стохастические процессы Развитие теории случайных процессов, зависящих от непрерывно меняющегося времени, является заслугой сов. математиков Е. Е. Слуцкого, А. Н. Колмогорова и А. Я. Хинчина, американских математиков Н. Винера, В. Феллера и Дж. Дуба, французского математика П. Леей, швед.

математика X. Крамера и др.

Наиболее детально разработана теория некоторых специальных классов случайных процессов, в первую очередь – марковских процессов и стационарных случайных процессов, а также ряда подклассов и обобщений указанных двух классов случайных процессов (цепи Маркова, ветвящиеся процессы, процессы с независимыми приращениями, мартингалы, процессы со стационарными приращениями и др.).

3.2. Виды логистических потоков и их моделирование При использовании логистического подхода объектом управления становится поток – множество, совокупность объектов, воспринимаемая как единое целое. Этот факт признаётся во всей, многочисленной на сегодня литературе по логистике.

Учёные единодушны во мнении, что поток является не только главной категорией логистики, но и в сочетании “управление потоком” становится основным логистическим инструментом. Несмотря на это, для описания потоков даётся лишь самая простая их классификация (внешний – внутренний, непрерывный – дискретный, детерминированный – стохастический, стабильный – нестабильный, стационарный – нестационарный, равномерный – неравномерный, периодический – непериодический, ритмичный – неритмичный, простой – сложный, управляемый – неуправляемый).

Существующая классификация, по сути, неприменима для составления моделей, характеризующих потоки, и, следовательно, никак не касается дальнейшей работы с ними.

Научное управление потоками требует, на наш взгляд, упорядочения и формализации всего многообразия потоков.

Основными параметрами, характеризующими поток, выступают:

начальный пункт потока (а), конечный пункт потока (b), траектория пути (F), длина пути (D), скорость перемещения объектов потока (V), время (t), промежуточные пункты (q), интенсивность потока ( ).

Пусть – поток, S – логистическая система. Тогда состояние потока может быть охарактеризовано с помощью каких-либо численных переменных (его параметров) как функции от времени (2):

(а, b, F, D, q, V, ) = f (t) (2) Основным параметром, характеризующим поток, является его плотность, представляющая собой количество перемещаемых объектов в единицу времени.

На наш взгляд, существующую условную классификацию потоков можно представить в виде двух укрупнённых видов потоков:

Раздел 3. Стохастические процессы детерминированных и стохастических. Основные модели, представляющие данную классификацию, приведены в таблице (см. ниже).

Детерминированные потоки – это потоки, значения параметров которых являются определёнными на любой момент времени (рис. 35).

Интервалы между событиями являются строго одинаковыми и равными определённой неслучайной величине. Поэтому детерминированные потоки также называют регулярными.

Рисунок 35. Детерминированный поток Стохастические потоки – потоки, значения параметров которых являются случайными величинами (рис. 36). В том или ином состоянии система находится с некоторой вероятностью Р.

Рисунок 36. Стохастический поток Детерминированный поток довольно редко встречается на практике;

он представляет определённый интерес как предельный случай для других потоков. Вообще, в природе не существует совершенно не случайных процессов, но есть процессы, на ход которых случайные факторы влияют так слабо, что при описании состояния системы ими можно пренебречь.

Однако существуют и такие процессы, где случайность играет основную роль.

Между двумя крайними случаями лежит целый спектр процессов, в которых случайность играет большую или меньшую роль. Учитывать или не учитывать случайность потока зависит, в основном, от того, какая Раздел 3. Стохастические процессы практическая задача решается.

Для определения видов и составления моделей, характеризующих стохастические потоки, важна классификация случайных процессов (рис.

37, табл. 1).

Рисунок 37. Классификация и формализация случайных процессов Таблица 1. Классификация и формализация случайных процессов Вид потока Модель Схема модели Детерминированные потоки P = f (t) = const;

1. Стабильные потоки t= 0, µ Нестабильные потоки P = f (t) const V = const;

2. Равномерные потоки S=V*t V = const;

Неравномерные потоки S V*t 3. Периодические P = f (T) потоки Раздел 3. Стохастические процессы Вид потока Модель Схема модели Непериодические P = f (ti)=T потоки 4. Ритмичные потоки P= V1*t1+V2*t2+…+Vn*tn Неритмичные потоки P= f(V,t) Стохастические потоки 1. Стационарные l = const потоки Нестационарные l const потоки P = f (t)dt 2. Непрерывные потоки t P = pi Дискретные потоки i = Следует отметить то, что данная классификация, бесспорно, не является исчерпывающей, а также то, что существуют потоки, для которых “случайность” не является определяющим критерием при их отнесении к той или иной группе. Так, внутренние потоки (p S) и внешние потоки (p S либо p S) могут быть как детерминированными, так и стохастическими. То же можно сказать и о простых и сложных потоках.

Теорию случайных процессов, по-нашему мнению, можно применить для построения большинства моделей материальных, финансовых и других потоков. Многие прикладные задачи можно решить с помощью сравнительно простых методов расчёта, если отказаться от рассмотрения случайных процессов самого общего вида и ограничиться только процессами, обладающими некоторыми специальными свойствами.

Такими, в частности, являются марковские процессы. В отличие от случайных процессов общего вида, исчерпывающей характеристикой которых выступает многомерный закон распределения, для полной характеристики марковских процессов достаточно знать двумерные законы распределения.

Рассмотрим ряд процессов, происходящих на предприятиях автомобильного транспорта. Например, поток заявок на перевозку грузов, обслуживание населения автомобилями-такси, текущий и капитальный ремонт автомобилей, ТО-2, капитальный ремонт агрегатов, организация технической помощи на линии. Во всех этих потоках имеют место Раздел 3. Стохастические процессы случайные элементы. Так возникновение требований на текущий ремонт автомобиля всегда является случайным. В один момент времени их может быть больше, а в другой – меньше, хотя в среднем за определённое время их число, возможно, будет постоянным. Случайным будет и время, затрачиваемое на текущий ремонт каждого автомобиля, так как оно зависит от того, какая неисправность явилась причиной появления требования на текущий ремонт, от квалификации рабочего и от других факторов. Это свидетельствует о том, что большинство входящих потоков на автомобильном транспорте зависят от ряда случайных факторов, что также относится и ко времени обслуживания. Поэтому эти величины обычно описываются с помощью вероятностных характеристик.

Целью изучения стохастических потоков является обеспечение эффективной работы, которая в каждом случае имеет свой конкретный смысл. Она должна определяться не качественно, а количественно, т.е.

определённым числом, что требует математического представления каждого процесса массового обслуживания. Как уже отмечалось ранее, в литературе, касающейся логистических потоков, их математическое представление практически отсутствует.

В теории массового обслуживания, в основном, рассматривают простейший поток требований, то есть обладающий свойствами стационарности, ординарности и отсутствия последействия.

Стационарность потока состоит в том, что вероятность поступления определённого количества требований в течение определённого промежутка времени зависти только от длины этого промежутка. Например, если определяется количество заявок на текущий ремонт, то неважно с 5-го или 15-го числа начато такое изучение, а важно, что за 15 дней заявок всегда будет больше, чем за 10. Ординарным потоком является тот, при котором невозможно или почти невозможно одновременное появление двух или более требований. Отсутствие последействия заключается в том, что поступление требований в данный момент не зависит от того, когда и сколько требований поступило до этого момента.

Если имеется простейший поток требований, то их число за промежуток времени (0,t) распределяется по закону Пуассона (3):

(t)i -t e, (3) Pi (t)= i!

где Рк(i) - вероятность поступления i требований за время (0,t);

- параметр потока, характеризующий его интенсивность.

Плотность потока является, на наш взгляд, одним из основных понятий. Рассмотрим ординарный поток событий (например, поток отказов технического устройства). Обозначим Х(t, D t) случайное число событий, попадающих на элементарный участок (t, t+ D t):

Рисунок 38. Ординарный поток событий Раздел 3. Стохастические процессы Тогда плотность ординарного потока событий в момент t представится в виде (4):

N(t, t + Dt) m(t) = lim (4) Dt Dt ® Физический смысл плотности потока – это среднее число событий, приходящееся на единицу времени, для элементарного участка D t, примыкающего к t:

Рисунок 39. Плотность потока событий Плотность потока событий может быть любой неотрицательной функцией времени: (t) 0 и имеет размерность [1/ время ].

Использование такой зависимости, даже для простейшего потока требований, может дать много ценного для организации перевозок. Так, стохастические потоки широко применяются в теории восстановления – разделе теории надёжности технических устройств.

Кроме этого, с помощью методов теории массового обслуживания устанавливается зависимость между характером потоков и параметрами обслуживания, определяются распределения интервалов поступления заявок и времени обслуживания, вероятности состояния системы, очереди заявок, вычисляется пропускная способность системы. Применение математического аппарата теории массового обслуживания может дать, на наш взгляд, много ценного для методического обеспечения логистической деятельности на предприятий.

Раздел 4. Диаграммы потоков, модели очередей ожидания и сети обслуживания 4. ДИАГРАММЫ ПОТОКОВ, МОДЕЛИ ОЧЕРЕДЕЙ ОЖИДАНИЯ И СЕТИ ОБСЛУЖИВАНИЯ 4.1. Понятие логистической системы Продвижение материальных потоков осуществляется квалифицированным персоналом с помощью разнообразий техники:

транспортные средства, погрузочно-разгрузочные машины и т.д. В логистический процесс вовлечены различные здания сооружения, ход процесса существенно зависит от степени подготовленности к нему, самых движущихся накапливаемых в запасах грузов, совокупность производительных сил, обеспечивающих прохождение грузов лучше или хуже, всегда как-то организованна.

Логистика ставит и решает задачу проектирования гармоничных, согласованных материалопроводящих (логических) систем, с заданными параметрами материальных потоков на выходе.

Отличает эти системы высокая степень согласованности входящих в них производительных сил в целях управления сквозными материальными потоками.

Целостность – система есть целостная совокупность элементов, взаимодействующих друг с другом. Декомпозицию логистических систем на элементы можно осуществлять по разному.

На макроуровне при прохождении материального потока от одного предприятия к другому в качестве элементов могут рассматриваться сами эти предприятия, а также связывающий их транспорт (рис. 40).

Рисунок 40. Макрологическая система На микроуровне логистическая система может быть представлена в виде следующих подсистем (рис. 41):

закупка – подсистема, которая обеспечивает поступление материального потока в логистическую систему;

планирование и управление производством – эта подсистема принимает материальный поток от подсистемы закупок и управляет им в процессе выполнения различных технологических операций, превращающий предмет труда в продукт труда;

сбыт – подсистема, которая обеспечивает выбытие материального потока из логистической системы.

Раздел 4. Диаграммы потоков, модели очередей ожидания и сети обслуживания Рисунок 41. Микрологическая система Как мы видим элементы логистических систем разнокачественные, но одновременно совместимые. Совместимость обеспечивается единством цели, которой подсинено функционирование логистических систем.

Связи – между элементами логистической системы имеются связи которые с закономерной необходимостью определяют интегративные качества. В макрологических системах основу связи между элементами составляет договор. В микрологических системах элементы связаны внутрипроизводственными отношениями.

Организация – связи между элементами логистической системы определенным образом упорядочены, то есть логистическая система имеет организацию.

Интегративные качества – логистическая система обладает интегративными качествами, не свойственными ни одному из элементов в отдельности. Это способность поставить нужный товар, в нужное время, в нужное место, необходимого качества, с минимальными затратами, а также способность адаптироваться к изменяющимся условиям внешней среды.

Логистическую систему, способную ответить на возникающий спрос быстрой поставкой нужного товара можно сравнить с живым организмом.

Мускулы это подъемно-транспортная техника, нервная система – сеть компьютеров на рабочих местах, организованная в единую информационную систему. По размерам этот организм может занимать территорию завода или оптовой базы, а может выходить за пределы государства. Он способен адаптироваться, приспосабливаться к возмущениям внешней среды, реагировать на нее в том же темпе, в каком происходят события.

4.2. Виды логических систем По масштабу сферы деятельности логистические системы подразделяются на макро- и микрологистические системы.

Макрологическая система включает в себя предприятия и организации промышленности, снабженческо-сбытовые структуры и транспортные организации разных ведомств, в различных регионах. В качестве таковых можно рассматривать транснациональные корпорации, трансконтинентальные фирмы, региональные промышленные Раздел 4. Диаграммы потоков, модели очередей ожидания и сети обслуживания объединения, территориально-производственные комплексы.

Построение макрологических систем и управление ими способствует решению таких задач как:

выработка общей концепции распределения продукции;

выбор вида транспорта, определение характера взаимодействия транспортных средств, организация технологии транспортного процесса;

определение рациональных направлений движения материальных потоков;

выбор пунктов поставки и партнеров-поставщиков сырья, материалов, полуфабрикатов, энергоносителей;

определение границы зоны обслуживания, обеспечивающей выполнение поставок по принципу «точно в срок»;

проектирование и организация сети складских систем: центральных региональных, перегрузочных с учетом оптимизации материальных потоков.

Микрологическая система строится с позиций стратегических целей фирм и оптимизации основных оперативных процессов, она охватывает сферу деятельности отдельного предприятия и обеспечивает решение локальных вопросов в рамках отдельных функциональных элементов логистических систем. По функциональному назначению микологические системы подразделяются на системы первого и второго уровня.

Микрологическая система первого уровня отражает логистику предприятия, охватывающую как внутрипроизводственную деятельность предприятия, так и его внешние контакты и связи.

Макрологическая система второго уровня отражает внутрипроизводственную логистику, которая интегрирует процессы планирования производства, сбыта и снабжения, транспортно-складских и погрузочно-разгрузочных работ предприятия.

На уровне макро логистики выделяют три вида логистических систем.

Логистические системы с прямыми связями. В этих логистических системах материальный поток происходит непосредственно от производителя продукции к потребителю, минуя посредников.

Эшелонные логистические системы. В таких системах на пути материального потока, есть хотя бы один посредник.

Гибкие логистические системы. Здесь движение материального потока от производителя продукции к ее потребителю может осуществляться как напрямую. Так и через посредников.

Логистические системы основного звена Перед рассмотрением системы, построенной, исходя из логистических принципов, отметим подразделение систем продвижения материальных потоков на два вида: толкающий и тянущий.

Толкающая система представляет собой систему подачи материалов, или узлов в производственный процесс или с предыдущей технологической операции на последующую независимо от того, нужны Раздел 4. Диаграммы потоков, модели очередей ожидания и сети обслуживания ли они в данное время и в данном количестве на последующей технологической операции. Толкающая система характерна для традиционной организации: она менее способна к гибкой перестройке, к реагированию на колебания спроса. В системе толкающего типа каждый агрегат связан центральным органом управления.

Первой системой, остававшейся по своей сути толкающей, но уже использовавшей принципы логистики, была система МРП (планирование потребности в материалах). В толкающей системе формулируется перечень необходимых материалов для производства определенного количества готовой продукции в соответствии с прогнозом рыночной конъюнктуры, затем производится формирование заказов поставщикам.

МРП располагает широким набором машинных программ, которые обеспечивают согласование оперативное регулирование снабженческих, производственных и сбытовых функций в масштабе фирмы в режиме реального времени.

Для осуществления этих функций в системе МРП используются:

данные плана производства;

файл материалов;

файл запасов.

Формализация процессов принятия решений в системе МРП производится с помощью различных методов исследования операций.

Имеется возможность решать задачи расчета потребностей в сырье и материалах, формирования графика производства;

выдавать на печать или дисплей формы. Использование МРП позволяет снизить уровни запасов, ускорить их оборачиваемость, сократить количество случаев нарушения сроков поставок.

Определение потребности в материалах предполагает решение ряда задач, в их числе прогнозирование, управление запасами, управление закупками и пр. При решении задач прогнозирования осуществляются:

разработка прогноза потребности в сырье и материалах раздельно по приоритетным и неприоритетным заказам, анализ возможных сроков выполнения заказов и уровней страховых запасов с учетом затрат на их содержание и качества обслуживания заказчиков, ретроспективный анализ хозяйственных ситуаций с целью выбора стратегии прогнозирования по каждому виду сырья и материалов.

При решении задач управления запасами производится обработка и корректировка всей информации о приходе, движении и расходе сырья, материалов, комплектующих изделий, учет запасов по месту их хранения, выбор индивидуальных стратегий пополнения и контроля уровня запасов по каждой позиции номенклатуры сырья и материалов, контроль скорости оборачиваемости запасов и т.д.

Для решения задач управления закупками используется файл заказов, в который вводится информация о заказах и их выполнении. Выдача информации может производиться с различной периодичностью. Она Раздел 4. Диаграммы потоков, модели очередей ожидания и сети обслуживания может выдаваться в разрезе поставщика, заказчика, вида сырья и материалов с указанием дополнительных данных.

Тянущая система подачи деталей осуществляется по мере необходимости. В системе тянущего типа управляющие воздействия центрального органа прилагаются только к последнему агрегату логистической системы на выходе готового продукта, а информационные связи, сигнализирующие о состоянии подсистем, направляются от выхода ко входу технологической цепи. Активность предыдущих блоков логистической системы проявляется лишь тогда, когда на следующей ступени уровень запаса материалов достигает минимального значения. Эти связи и обеспечивает реализацию принципа функционирования логистической системы.

4.3. К теории очередей Теория очередей или, как она именуется в русскоязычной литературе, Теория массового обслуживания (ТМО) представляет собой прикладную математическую дисциплину и является одним из разделов теории вероятности. ТМО занимается исследованием показателей производительности технических устройств или систем массового обслуживания (СМО), предназначенных для обработки поступающих в них заявок на обслуживание.

Термин «массовое» в данном контексте предполагает многократную повторяемость ситуаций в том или ином смысле (много прибывших в систему и обслуженных заявок, большое число находящихся в эксплуатации аналогичных систем) и статистическую устойчивость картины. Выводы и рекомендации, получаемые методами ТМО, применимы лишь при наличии хотя бы одного из названных факторов.

Родоначальником ТМО считается сотрудник копенгагенской телефонной компании известный датский ученный А. К. Эрланг, который первым предположил для описания процессов, происходящих в СМО, использовать марковские процессы с дискретным (конечным или счетным) множеством состояний.

Классическая задача ТМО была сформулирована и решена Эрлангом, имея в виду постановки вопросов, возникших к тому времени в телефонном деле.

Пик своего развития ТМО достигла в 50-70-е годы. Затем интерес к ней несколько ослабел. Это было связано со многими причинами. Одной из них явилось то, что, с одной стороны, характерной особенностью задач ТМО является необходимость почти для каждой СМО искать собственные методы исследования, а с другой - большой интерес исследователей к ТМО привел к тому, что задачи, допускающие простые решения, уже были решены.

Однако в последнее время снова возродился интерес к задачам ТМО, обусловленный не только новыми проблемами, возникшими в практической жизни (особенно в областях, связанных с разработкой и Раздел 4. Диаграммы потоков, модели очередей ожидания и сети обслуживания применением вычислительной техники), но и новыми математическими подходами к их решению.

Теория обслуживания Каждая СМО состоит из какого-то числа обслуживающих единиц, называемых каналами обслуживания. В качестве «каналов» могут фигурировать: линии связи, рабочие точки, приборы, железнодорожные пути, лифты, автомашины, кассы и т.д. Причем, чем сложнее СМО, чем больше в ней каналов обслуживания, тем точнее оказываются приближенные формулы, полученные с помощью ТМО.

Каждая СМО предназначена для обслуживания какого-то потока требований, поступающих на СМО в какие-то случайные моменты времени. Обслуживание поступившей заявки продолжается некоторое случайное время, после чего канал освобождается и готов к принятию следующей заявки. Случайный характер потока заявок приводит к тому, что в какие-то промежутки времени на входе СМО скапливается излишне большое число заявок (они либо образуют очередь, либо покидают СМО необслуженными);

в другие же периоды СМО будет работать с недогрузкой или вообще простаивать.

Самый наглядный пример – кассовый терминал супермаркета. Днем часть касс простаивает, в час пик – всюду очереди. При этом, если бы поток покупателей был равномерным в течение суток, никому не пришлось ждать.

Каждая система массового обслуживания, в зависимости от числа каналов и их производительности, обладает какой-то пропускной способностью, позволяющей ей более или менее успешно справляться с потоком заявок.

Предмет теории массового обслуживания – установление зависимости между характером потока заявок, числом каналов, их производительностью, правилами работы СМО и эффективностью обслуживания.

Важнейшим фактором, который учитывает ТМО, является случайный характер потока заявок и длительности их обслуживания. В случае нашего примера с супермаркетом – это не только возникновение пиковых нагрузок в определенные часы. Здесь также нужно учитывать и разницу в количестве приобретенного – кто то купил бутылку пепси, кто –то набрал целую тележку. Как следствие – различное время на обслуживание покупателей. Таким образом, в любой СМО происходит какой-то случайный процесс. Изучением этого процесса, математическим его описанием и занимается теория массового обслуживания. А специалист, вооруженный знаниями в области ТМО в состоянии предъявить разумные требования к проектируемой им СМО.

Теория очередей или система с ожиданием Теория массового обслуживания получила на Западе наименование теории очередей потому, очевидно, что наибольшую практическую ценность имеет изучение систем с ожиданием. В таких системах возможно ожидание для любого числа требований, которые не могут быть обслужены сразу. Они составляют очередь, и с помощью установленных Раздел 4. Диаграммы потоков, модели очередей ожидания и сети обслуживания правил (в математике это называется дисциплиной обслуживания) определяется, в каком порядке ожидающие требования выбираются из очереди для обслуживания. Одним из основных практических вопросов, который позволяют успешно разрешать модели систем с ожиданием, является вопрос о минимизации нахождения в очереди.

Например, в сети клиент-сервер, теория массового обслуживания дает ответ на вопрос: какой сервер необходимо поставить, чтобы клиенты не теряли времени на задержку отклика.

Но вопрос минимизации времени простоя - не единственная практическая польза, которую можно извлечь из изучения систем с ожиданием (в просторечии – из теории очередей). Подобная система имеет массу математических характеристик, которые легко могут быть использованы маркетологами в качестве характеристик эффективности обслуживания. Например:

среднее количество заявок, которое может обслужить СМО в единицу времени;

средний процент заявок, получающих отказ и покидающих СМО необслуженными;

вероятность того, что проступившая заявка немедленно будет принята к обслуживанию;

среднее время ожидания в очереди;

закон распределения времени ожидания;

среднее количество заявок, находящихся в очереди;

закон распределения числа заявок в очереди;

Модели со стоимостными характеристиками В последние годы, в том числе и в маркетинге, очень часто используется построение математических моделей. ТМО как раз и обеспечивает нас математическим аппаратом для построения многих бизнес – моделей (или математических моделей бизнеса). И здесь хотелось бы остановиться на одной из важнейших (по крайней мере, для менеджмента) моделей – стоимостной.

Стоимостные модели массового обслуживания направлены на определение такого уровня функционирования обслуживающей системы, при котором достигается «компромисс» между прибылью, получаемой за счет предоставления услуг и потерями прибыли, обусловленными задержками в предоставлении услуг.

Пример. Если вы предлагаете на рынке уникальный товар / услугу, то не важно, сколько времени проведет в очереди ваш клиент. Ведь кроме вас на рынке нет никого с подобным предложением. Если же на рынке конкуренция, то одним из условий успешности будет оказание услуги быстрее (в том числе). Если покупателю надоест постоянно стоять в очереди в кассу – он просто будет отовариваться в другом магазине.

Значит, нужно поставить больше касс, повысить уровень обслуживания, Раздел 4. Диаграммы потоков, модели очередей ожидания и сети обслуживания сохранить клиента. ТМО говорит, что по мере того как затраты, связанные с обслуживанием, возрастают из-за повышения уровня обслуживания, выраженные в экономических терминах потери, связанные с ожиданием, должны уменьшаться. Только важно, чтобы затраты компенсировались ликвидацией потерь. Именно эту «золотую середину» и позволяет установить данная модель.

Наиболее доступно продемонстрировать преимущества, предоставляемые ТМО, можно на примере работы службы диспетчеров крупного аэропорта.

Аэропорт имеет два потока – входящий (садящиеся самолеты) и исходящий (взлетающие). Применение ТМО позволяет управлять этими потоками, руководствуясь самыми разнообразными показателями, критическими в данный момент времени. Так, если нужно минимизировать количество пассажиров в залах ожидания, то в первую очередь следует сажать самолеты с минимальным количеством пассажиров на борту и отправлять с максимальным. Зачастую требуется осуществить операцию с приоритетом – когда вследствие крайней необходимости разрешается посадить первым самолет, прибывший позже. Нередко приоритет на посадку дается реактивным самолетам из-за ограниченного запаса топлива.

Иногда порядок обслуживания таков, что прибывающий самолет присоединяется к очереди эшелонированных самолетов, ожидающих посадки, а затем выбор самолета на посадку производится случайным образом (одна из форм обслуживания с приоритетом). Так, если самолет находится ближе других к точке, в которой он может выйти из зоны ожидания, то ему будет дана команда на посадку.

ТМО широко применяется в логистике, в том числе для минимизации сроков простоя транспорта при погрузоразгрузочных работах.

Идеи и методы теории массового обслуживания приобретают весьма широкое распространение во многих прикладных областях, и все больше выходят за пределы задач, связанных с «обслуживающими организациями» в буквальном смысле слова. Если ранее в качестве основных областей приложения этой теории указывались задачи телефонии, бытового обслуживания, торговой сети, здравоохранения и так далее, то теперь она находит применение при исследовании динамики функционирования сложных систем автоматического управления, исследовании технологических процессов крупных промышленных предприятий, снабженных средствами комплексной автоматизации и механизации, в области организации и планирования производства и других областях бизнеса. Как своеобразные системы массового обслуживания могут рассматриваться: электронные цифровые вычислительные машины;

системы сбора и обработки информации;

транспортные системы;

системы противовоздушной обороны и т. д.

Близкими к задачам теории массового обслуживания являются многие задачи, возникающие при анализе надежности технических устройств.

Раздел 5. Планирование и руководство экспериментами по симуляции 5. ПЛАНИРОВАНИЕ И РУКОВОДСТВОЭКСПЕРИМЕНТАМИ ПО СИМУЛЯЦИИ Менеджеры в 2006 году впервые попробовали свои силы в международном соревновании Global Management Challenge. Украина начала участвовать в этом состязании раньше других стран СНГ и Балтии.

Представляем впечатления украинских менеджеров, которые оценивали не только собственные возможности, но и потенциал соревнования как HR инструмента.

Менеджеры выступали в составе команды журнала «Менеджер по персоналу» Winners Expert, в которую входили директора по персоналу крупных компаний. Нашей задачей было (кроме победы, конечно!) дать экспертную оценку бизнес-симулятора, оценить его диагностический и развивающий потенциал.

Бизнес-симуляции (или, как их еще называют, виртуальные тренажеры) – достаточно новый продукт на рынке, не все менеджеры по персоналу знакомы с его возможностями. Сначала несколько слов о том, что это такое. Global Management Challenge – соревнование по стратегическому менеджменту для управленцев. Около 400 виртуальных компаний, которые представляют команды-участнииы, соревнуются друг с другом в общей бизнес-среде. Сложная компьютерная программа воспроизводит текущую экономическую ситуацию в мире и модулирует изменения конъюнктуры на европейских и мировых рынках. Причем в основе игровых моделей лежат реальные ситуации недавнего прошлого – битвы гигантов телекоммуникационной индустрии и хай-тека. Идея проводить такие соревнования пришла в голову 26 лет назад португальцу Луису Алвес Косте, профессору школы бизнеса. Сложную компьютерную программу разработали специалисты Операционного департамента исследований Университета Стратклида (Шотландия). Оказалось, что экстремальные эмоции дает не только дайвинг или прыжки с парашютом:


интеллектуальные сражения на уровне борьбы стратегий для прирожденных управленцев не менее увлекательны! С тех пор ежегодно в «тихие битвы включается более 15 тыс. «белых воротничков» из 22 стран мира. В них участвуют собственники и топ-менеджеры, специалисты и миддл-менеджеры. В 2006 году Украина первой из стран СНГ и Балтии принимала участие в соревновании.

На начальном этапе в него включились 192 команды, представлявшие ведущие компании нашей страны. Лучшие команды в каждой группе выходили в следующий тур. Победитель национального финала (в этом году им стала команда «Укрэксимбанк-Стратеги») представлял Украину на международном финале в Макао (Китай).

Каждая команда (до пяти человек) управляет своей виртуальной компанией, которая представлена основными подразделениями:

Раздел 5. Планирование и руководство экспериментами по симуляции маркетинг, производство, управление персоналом и финансы. При этом нужно еще выполнять функции отделов инноваций, продаж, логистики и рекламы. Перед началом соревнований все команды получают «Правила»

и «Историю компании» (информацию о деятельности за предыдущий период) — пять управленческих отчетов. Истории идентичны, все команды начинают свою деятельность с одинаковыми исходными данными. В «Правилах» приводится достаточно детальное описание работы и взаимодействия основных подразделений, требования к управленческим решениям.

Команда принимает необходимые управленческие решения и регистрирует их на сайте игры. После окончания этапа участники получают «Управленческий отчет» (см. Официальные документы GMC Russia), в котором отражаются основные показатели деятельности компании за прошедший период. В отчет включены данные о производстве, продажах, увольнениях и забастовках персонала (могло быть и такое!), баланс компании, информация о конкурентах и изменениях на мировых рынках. Эта информация является основой для принятия стратегических решений на следующий квартал.

Все команды играют на мировых рынках (ЕС, долларовая зона НАФТА, интернет). Главная цель участников — добиться наибольшей стоимости акций компании на виртуальной бирже. Участники не знают, какие решения принимают соперники, что делает симуляцию еще более интересной и реалистичной.

Каждая команда должна выполнять обязанности высшего руководства компании: разработать и через серию управленческих решений воплотить в жизнь свою стратегию развития бизнеса. Чаще всего команды используют два варианта «реализации управленческой ответственности»:

1. Участники делят между собой функциональные направления (каждый специалист отвечает за конкретный процесс), самостоятельно готовят предложения и согласовывают в рамках совместно вырабатываемой стратегии.

2. Четкое распределение по функциональным направлениям отсутствует, все решения прорабатываются сообща.

Мы выбрали второй вариант управления компанией, что требовало от всех нас широких знаний по разным функциональным составляющим бизнеса. Нам нужно было понять заложенные в модели симулятора закономерности, выявить зависимости между основными параметрами деятельности маркетингового, производственного и финансового подразделений. Кроме того, необходимо было оценить влияние каждого из принимаемых нами решений на общую стоимость бизнеса. Мы отслеживали влияние изменений стратегии управления персоналом на объемы и качество производства, рекламной и инновационной политики — на результаты продаж и т.д. Все это стало прекрасным тренингом для каждого участника команды. Чтобы оценить качество доставшегося нам Раздел 5. Планирование и руководство экспериментами по симуляции бизнеса, оптимизировать управление компанией и выработать стратегию, потребовалось узнать много новой информации, развить новые умения.

Хотя структура и основные принципы действия виртуальной компании достаточно просты, большое количество влияющих на ее работу дополнительных факторов, а также реальное давление компаний конкурентов делает решение управленческих задач сложным и увлекательным.

Нам потребовалось время, чтобы понять взаимовлияние заложенных в модель симулятора условий, оценить степень их чувствительности к изменениям. (Для облегчения принятия решений можно попробовать переложить функционирование виртуальной компании на собственный реальный бизнес и управлять по аналогии.) Важными условиями достижения успеха в соревновании являются:

разработка стратегии ведения бизнеса (даже очень эффективного операционного менеджмента недостаточно);

слаженная работа всех членов команды, эффективная коммуникация:

глубокое понимание принципов эффективного управленческого учета;

расчет при принятии управленческих решений нескольких вариантов, учитывающих все параметры.

Решение по каждому ключевому вопросу влияет на «виртуальную»

прибыль, на привлекательность бизнеса и в конечном итоге — на биржевую стоимость акций компании. Чтобы не тратить время на рутинные операции, команда может разработать специальные таблицы (или даже несложные программы), которые помогут быстро просчитывать варианты решений и оценивать их влияние на итоговые финансовые показатели. Победа зависит от того, насколько грамотные экономические модели компании и рынка в целом смогут построить участники команды, насколько учтут в этих моделях чувствительность и вариабельность основных параметров. В реальной жизни топ-менеджеры тоже строят бизнес-модели, и их эффективность напрямую определяет общую стоимость бизнеса.

Участники нашей команды Winners Expert поставили перед собой задачу: дать экспертное заключение о возможностях компьютерной бизнес-симуляции как дополнительного ресурса оценки персонала и перспектив его использования в бизнес-образовании.

Для этого мы не просто ознакомились с правилами соревнования (более 80 страниц), но и сами приняли участие в двух этапах. Пришлось осваивать маркетинг, финансы и производство, причем на вполне профессиональном уровне. Это было нелегко, особенно с учетом того, что участники команды представляли различные компании из разных городов Украины. Очень сложно было найти время для того, чтобы разобраться с инструкциями, продумать варианты решения, посовещаться.

Раздел 5. Планирование и руководство экспериментами по симуляции На протяжении первого этапа наша команда устойчиво занимала первое место в своей группе и вышла на второй этап с 15 местом в общем рейтинге курсов акций (из 192!). На втором этапе в нашу группу вошли очень сильные команды, но мы, невзирая на ряд досадных ошибок (все как в жизни…), устойчиво держались на четвертом месте, закончив этап с далеко не худшими показателями.

Несмотря на то, что это был классический эксперимент с «включенным наблюдением», остаться бесстрастными экспертами наблюдателями нам не удалось! Мы очень хотели победить! Как оказалось, игровой потенциал у соревнования просто огромный: успехи (и, увы, ошибки) виртуальной компании вызывали нешуточные эмоции! У нас были и бессонные ночи, и захватывающие стратегические идеи, мы вели долгие телефонные дебаты, обосновывая друг другу свое видение стратегии развития компании, просчитывали логику принятия решений конкурентами, искали способы преодоления разногласий.

Результаты отчетов иногда опровергали наши прогнозы, рынок вел себя непредсказуемо, а конкуренты отчаянно демпинговали. Минимальные изменения приводили к самым неожиданным последствиям, решения приходилось принимать даже тогда, когда смутно понимаешь, чем за это поплатишься.

Нас объединяло желание разобраться во всех тонкостях стратегии, показать наилучшие результаты, дойти вместе до конца и победить! И каждый из нас рад, что мы вместе прожили это напряженное время поиска решений, побед и неудач, признателен коллегам за поддержку, понимание, взаимопомощь и чувство команды.

Проанализировав пройденный и в качестве участников, и в роли экспертов путь, мы хотим поделиться с коллегами своими наблюдениями и выводами.

Принципы комплектования команд участников могут быть разными:

команда топ-менеджеров. Такая группа способна «экспериментировать» со стратегическим планированием, отточить навыки командного взаимодействия. Руководители смогут «в действии»

познакомиться со стратегиями, которые реализуют топ-менеджеры, работающие на других рынках, достаточно объективно оценить свою квалификацию «стратегов»;

кроссфункциональные команды. Совместная работа руководителей, менеджеров среднего звена и специалистов различных отделов позволяет наладить эффективные коммуникации между функциональными подразделениями (и даже отдельными предприятиями холдинга);

кроссуровневые команды. Включая в одну группу опытного руководителя функционального направления и молодых специалистов, компания фактически проводит обучение молодежи. Работа в бизнес симуляции приближена к реальной деятельности, что позволяет «прицельно» развивать управленческие навыки, необходимые для работы Раздел 5. Планирование и руководство экспериментами по симуляции именно в этой организации, приобщать молодежь к корпоративной культуре;

«Молодежные» команды. Собрав амбициозных, мотивированных молодых менеджеров и специалистов, компания дает им прекрасный шанс проявить себя, в соревновании с менеджерами других компаний показать, чего они стоят. В результате организация получает «сыгранную»

проектную группу для развития новых бизнес-направлений.

В управлении компанией основой успеха является баланс эффективности всех направлений деятельности. Достичь этого можно только в результате грамотной организации бизнес-процессов, слаженной командной работы и эффективной коммуникации. Один из наиболее значимых результатов симуляции состоит в том, что все участники на личном опыте приходят к пониманию важности этих основ менеджмента.


Соревнование позволяет HR-у провести диагностику и оценку ключевых компетенций менеджеров, понять, могут ли управленцы:

создавать эффективные бизнес-модели;

разрабатывать стратегии, ставить цели;

принимать эффективные управленческие решения (в условиях недостатка важной информации, с учетом взаимосвязи и взаимовлияния множества самых различных факторов);

оценивать риски, прогнозировать последствия принимаемых решений;

действовать проактивно (просчитывать решения на несколько шагов вперед, влиять на действия конкурентов, изменять рыночную ситуацию);

работать в команде (воспринимать знания и опыт коллег как общий ресурс, согласовывать интересы, распределять ответственность, разрешать конфликты).

Кроме того, во время участия в соревновании можно оценить:

особенности мотивации (направленность на достижение успеха или избегание неудач, готовность человека прилагать личные усилия для повышения квалификации и развития);

навыки самоменджмента (умение распределять время, эффективно организовывать свою работу).

Участие в соревновании дает возможность менеджерам высшего и среднего звена подтвердить свою квалификацию, продемонстрировать готовность работать в высококонкурентных условиях открытых рынков, гибко использовать маркетинговые и финансовые инструменты для управления компанией.

Выявить управленческий потенциал молодых специалистов, оценить их готовность осваивать новые сложные направления деятельности непросто. Бизнес-симулятор может быть использован в качестве инструмента для оценки потенциала менеджеров, выявления «золотого управленческого резерва» компании.

Раздел 5. Планирование и руководство экспериментами по симуляции Виртуальный тренажер может выступать как экспериментальная площадка, где менеджеры ищут нестандартные управленческие решения, апробируют новые стратегии развития компании в условиях мировых рынков (что очень важно – не подвергая собственную организацию финансовым рискам).

Обязательно нужно воспользоваться возможностями, которые предоставляет соревнование для целенаправленного обучения менеджеров.

На академических лекциях в вузе не научишься стратегическому управлению;

участие в бизнес-симуляции помогает менеджерам понять «цену» хорошей стратегии в условиях равной доступности ресурсов и высокой конкурентности. Высокий темп игровых «событий» (один условный квартал проходит всего за неделю) помогает увидеть динамику изменений и оценить отдаленные последствия принятых управленческих решений.

Все члены команды начинают «видеть» компанию с точки зрении топ менеджера — как единый целостный организм;

они лучше понимают основные бизнес-процессы и взаимосвязи между отдельными подразделениями. Участники команды выходят за рамки своей узкой специализации, решают непривычные проблемы и задачи. Становится очевидна необходимость и серьезной аналитической работы, и поиска нестандартных идей, и продуктивной коммуникации с партнерами.

Во многих отечественных компаниях конфронтация между аккумулирующими прибыль и «затратными» отделами зачастую не позволяет эффективно реализовывать самые сильные стратегические планы, приводит к провалам и внутренним диссонансам. (Участники других команд не раз отмечали, что наибольшие сложности возникали именно с организацией внутригрупповых взаимоотношений.) Победа в бизнес-симуляции во многом зависит от согласованности командной работы, а для этого специалистам разных департаментов нужно на практике научиться конструктивно работать вместе.

Во время командной работы также происходит эффективная передача опыта. Особую ценность в этом отношении представляют смешанные группы, составленные из специалистов разных направлений, разного уровня или с различным опытом работы. Особенно важно, что в процессе совместной групповой деятельности происходит усвоение «неявных»

знаний – корпоративных стандартов принятия практических решений, поведенческих образцов, способов коммуникации и т. п. Эти знания очень трудно формализовать и описать.

Одно из важнейших качеств успешного менеджера – умение строить адекватно сложные модели деятельности компании и «работать» с ними.

Именно от полноты и согласованности бизнес-модели зависит, сможет ли менеджер делать эффективные прогнозы изменений, принимать «хорошие» решения при отсутствии нужной информации, достраивая ее в местах «разрывов». Моделирование бизнеса на тренажере помогает понять Раздел 5. Планирование и руководство экспериментами по симуляции взаимосвязь ключевых управленческих показателей, взаимное влияние разных бизнес-процессов. Участие в соревновании предоставляет широкие возможности для развития менеджеров. При освоении новых сфер деятельности, междисциплинарных знаний, новых моделей принятия решении, эффективных форм коммуникации происходит не просто повышение квалификации, а именно развитие.

Чтобы использовать бизнес-симуляцию как диагностический инструмент, нужно организовать наблюдение за работой участников, провести оценку ключевых компетенций менеджеров до начала и после окончания соревнования. Оценивать можно знания и навыки менеджера в профильной для него области деятельности (маркетинг, производство, финансы) и в «далеких» от его специализации областях. Можно также проанализировать качество принимаемых управленческих решений и предлагаемых стратегических идей (для экспертной оценки целесообразно привлекать руководителей компании).

Для директора по персоналу бизнес-симулятор является своего рода неформальным Assessment Centre – участие в соревновании можно рассматривать как процедуру оценки менеджеров по ключевым компетенциям. Конечно, для этого нужно творчески отнестись к возможностям, которые предоставляет тренажер. Заниматься этим есть смысл, когда для компании важно оценить именно управленческие компетенции своих менеджеров: умение решать проблемы, грамотно принимать решения, понимать логику действий конкурентов и учитывать ее при разработке стратегии. С помощью формальных процедур оценить потенциал – имеющиеся, но пока не реализованные и лаже не проявившиеся способности – очень трудно. Эффективнее уценивать их в реальной деятельности, но доверить компанию молодым специалистам – вчерашним выпускникам – вряд ли кто из собственников рискнет. Бизнес симулятор моделирует управленческую деятельность достаточно реалистично, участники могут продемонстрировать не только наличный уровень знаний и умений, но и обучаемость, умение строить сложные бизнес-модели, оптимизировать свою собственную деятельность.

Подготовка команды к участию в соревновании может быть организована как целевая обучающая программа, в которую входят систематические консультации участников ведущими специалистами компании, помощь в налаживании коммуникаций, тематические курсы (финансы, управленческий учет, логистика и т.д.). Когда у человека есть конкретная проблема и мотивация для ее решения, знания усваиваются значительно быстрее и эффективнее, чем при обучении «впрок», «вообще».

Раздел 6. Визуализация результатов симуляции 6. ВИЗУАЛИЗАЦИЯ РЕЗУЛЬТАТОВ СИМУЛЯЦИИ 6.1. Мотивация и цели моделирования потоков данных в системах оперативной логистики Применение новых информационных технологий в логистических сетях:

автоматическая идентификация, определение местоположения объектов (ОМПО), сбор данных о состоянии объектов, отслеживание движения объектов, связь с объектами и управление ими на протяжении всей логистической цепи.

Отслеживание движения объектов различных уровней иерархической вложенности, например:

изделие A;

упаковка B;

ящик C;

поддон D;

контейнер E;

грузовой а/м F;

участок автотрассы между пунктами G и H.

Цель применения систем автоматической идентификации и ОМПО:

фиксировать события, на базе которых определяется пространственная принадлежность каждого подвижного объекта – единицы товара, грузовой единицы или транспортного средства – в любой текущий момент времени или в любой заданный момент времени, относящийся к прошлому (расширенный Tracking & Tracing) (рис. 42 - 44).

Считывающее Транспондер (этикетка, устройство маркер, наклейка, таг) Системы для обработки Соединяющий элемент и интерпретации данных (катушка, антенна) Рисунок 42. RFID система Рисунок 43. RFID код как носитель информации Раздел 6. Визуализация результатов симуляции Радиочастотная идентификация (RFID) — это технология, позволяющая идентифицировать помеченные предметы без использования считывающего луча. Для ее работы необходимы метка, устройство чтения и компьютерная система. Метка, содержащая крошечный микрочип и антенну, помещается на предмет.

Для большинства меток, которые обычно содержат информацию в виде уникального серийного номера, не требуется внешний источник питания. Такие метки называются "пассивными". Устройство чтения, находясь вблизи помеченного предмета, посылает на метку маломощный сигнал. Метка "просыпается" и отвечает, передавая свой уникальный идентификатор на устройство чтения. Устройство чтения посылает число в компьютерную систему.

Метки и устройства чтения могут устанавливать связь разными способами. Чтобы они могли "разговаривать", метки и устройства чтения должны следовать одним и тем же многочисленным стандартам. Не всякое устройство чтения может читать все типы меток.

Метки различаются по размеру, что в основном зависит от антенны.

Они могут быть очень маленькими и быть вмонтированными как в продукт, так и в прикрепленную к нему этикетку. Другие метки большие, размером с ладонь, и прикрепляются к контейнерам или поддонам с товарами. Одни метки содержат много информации, а другие - только уникальный идентификатор.

Рисунок 44. Структура EPC кода Электронный код продукта (EPC) представляет собой идентифицирующий код или номер. В отличие от штрих-кода, который помогает отличить банку супа от коробки шоколадного печенья, электронный код продукта может обозначать конкретную банку или конкретную коробку благодаря уникальному идентификатору.

Электронный код не содержит персональных данных. Некоторые эксперты полагают, что в ближайшие годы EPC и RFID станут такими же распространенными, как и штрих-код сегодня. И в самом деле, их часто называют штрих-кодами нового поколения.

96-битовое EPC-кодирование:

68 миллиардов seral numbers;

268 миллионов производителей товаров.

Раздел 6. Визуализация результатов симуляции Передача и использование EPC (рис. 45).

Рисунок 45. Передача и использование EPC Когда предмет помечен, для передачи идентифицирующей информации на радиочастоте требуются устройство чтения и компьютерная система. Устройство чтения может быть стационарным или ручным мобильным. Антенна может быть встроенной в устройство или внешней. В считывающее устройство также входят электронные компоненты и источник питания, например аккумулятор.

В типовых применениях радиометок в торговле используются пассивные метки, считываемые стационарными устройствами на складских воротах оптовой базы. Когда рабочий перемещает поддон или ящик со склада на погрузочную площадку, устройство считывания радиометок на воротах склада активизируется и считывает метку с поддона или ящика.

В большинстве случаев информация, полученная считывающим устройством, представляет собой длинный номер, не содержащий персональных данных или данных о продукции. Она просто является уникальным идентификатором предмета. Иными словами, она отличает одну плитку шоколада от другой.

Номер, переданный в базу данных системы с помощью считывающего устройства и специальной программы, может ассоциироваться с важной информацией, такой как дата изготовления и место в цепи поставок, номер серии и партии, а также записи о промежуточных поставщиках. Если плитка шоколада испортилась, эта информация может оказать поставщикам большую помощь в поиске источника проблемы. Она также помогает поставщикам и розничным продавцам вести учет, поэтому вы можете быть уверены, что нужная плитка шоколада непременно окажется на полке, когда вы зайдете в кондитерский отдел.

Раздел 6. Визуализация результатов симуляции Определение местоположения объектов на базе WLAN(рис. 46) Технология Idente позволяет определять местоположение объектов на основе оценки напряженности поля.

Antenne Tag-ID Antenne Antenne ( Tag_1 ( Tag_ Tag ID вычисление ( MHz координат Tag-ID ( Max. 30 (60) Tag_ Antenne Antenne Рисунок 46. Технология Idente Концепция применения моделей в логистических системах управления (рис. 47).

внутренние события результаты функционирования реальная внешние система события состояние мероприятия Ступень 1:

правила основанное на правилах управление настройки предположения Ступень 2:

модель относительно будущего основанное на модели управление Ступень 3:

данные относительно система раннего точка измерений будущего предупреждения данные измерений Рисунок 47. Концепция применения моделей в логистических системах управления Необходимость разработки концептуальных моделей На сегодняшний день просто отсутствует теоретическая база, которая способствовала бы проведению успешного диалога между логистами и информатиками на всех этапах разработки и реализации систем управления, предназначенных для работы в реальном масштабе времени.

Раздел 6. Визуализация результатов симуляции Такая база, однако, может быть создана, если обе группы специалистов научатся рассматривать временные аспекты наблюдаемых и анализируемых процессов с позиций событийного подхода, а пространственные аспекты – с позиций объектно-ориентированного подхода (рис. 48).

Бизнес-процесс: договора, заказы, поставки и т.п.

Показатели Процесс обработки данных функционирования Данные об абстрактных объектах Интерпрета Информаци- Принятие ция процессов онные объекты решений Данные о физических в СП объектах Поставщик Клиент Физические процессы: перевозка, перевалка, складирование материальный склад или точка измерения поток перевалочный пункт информационный поставщик или поток транспортный канал клиент Рисунок 48. Концептуальная модель на примере сети поставок 6.2. Информационная модель объектов и процессов в сети поставок Статическая модель данных о физических объектах Основной составляющей информационной модели объектов и процессов в логистической системе является статическая модель данных о физических объектах.

События в административной системе Протокол событий Изделие Транспортная Транспортное Транспортный Склад или пе единица средство канал ревал. пункт ID др. атрибуты ID ID ID ID принадлеж- др. атрибуты статус статус статус ность состав др. атрибуты др. атрибуты др. атрибуты принадлеж- состав состав состав ность принадлеж ность Протокол событий События в системе материальных потоков Рисунок 49. Статическая модель данных о физических объектах Раздел 6. Визуализация результатов симуляции На рис. 49 представлена модель данных о физических объектах, в которой пять видов информационных объектов (классов) соединены между собой отношениями пространственной принадлежности. Временной аспект функционирования модели данных о физических объектах в СП отмечается в виде потоков событий, поступающих от системы материальных потоков или административной системы.

Форма записи элементарного события в материальном потоке На базе статической модели данных о физических объектах формулируется понятие элементарного события материального потока в СП, ставшее ключевым при проведении анализа структуры подлежащих оценке показателей функционирования в СП. Стандартная (каноническая) форма записи элементарного события показана на рис 50.

в Объект из перешел в момент t ОI объекта О2 объект О Рисунок 50. Стандартная форма записи элементарного события Пример применения пространственно-временной и информационной моделей процессов в сети поставок (СП) Структура концептуальной модели СП представлена на рис. 51.

ТИ1 ТИ2 ТИ3 ТИ С1 К1 С ГЭ1 ГЭ Вход СП Выход СП Транспортный Склад 1 Склад канал Рисунок 51. Концептуальная модель сети поставок На рис. представлена иерархическая декомпозиция пространственных объектов сети поставок. Иерархия состоит из четырех уровней:

сеть поставок;

узлы сети поставок;

автомобили;

грузы.

СП сеть поставок принадлежность «узлы СП»

С1 К1 С узлы сети поставок принадлежность «автомобили узлы» принадлежность «грузы узлы»

автомобили AM1 AM принадлежность «грузы автомобили»

Г1 Г2 Г3 Г грузы Рисунок 52. Иерархическая вложенность пространственных объектов СП Раздел 6. Визуализация результатов симуляции Протоколы событий и состояний Для фиксации событий и состояний модели сети поставок используется протокол событий и состояний. Образец протокола событий и состояний на примере процесса обслуживания двух автомобилей приведен в табл. 2.

Таблица 2. Пример процесса обслуживания двух автомобилей в СП Содержимое объектов среды передвижения и среды Обозначение Момент хранения состояния начала или события состояния С1 К1 С2 АМ1 АМ -- Состояние 0 Г1,Гдр АМ1 Г2,Гдр Г Событие 1 ТИ1: в момент t1 объект АМ2 из объекта ГЭ1 перешел в объект С Состояние 1 АМ2,Г1,Гдр АМ1 Г2,Гдр Г3 Г t Событие 2.1 ТИ2: в момент t2 объект Г1 из объекта С1 перешел в объект АМ Событие 2.2 ТИ2: в момент t2 объект АМ2 из объекта С1 перешел в объект К Состояние 2 Гдр АМ1,АМ2 Г2,Гдр Г3 Г1,Г t Событие 3.1 ТИ3: в момент t3 объект АМ1 из объекта К1 перешел в объект С Событие 3.2 ТИ3: в момент t3 объект Г3 из объекта АМ1 перешел в объект С -- Состояние 3 Гдр АМ2 АМ1,Г3,Г2,Гдр Г1,Г t Событие 4.1 ТИ4: в момент t4 объект Г2 из объекта С2 перешел в объект АМ Событие 4.2 ТИ4: в момент t4 объект АМ1 из объекта С2 перешел в объект ГЭ Состояние 4 -- Гдр АМ2 Г3,Гдр Г1,Г t Графическое отображение пространственных отношений между объектами представлено на рис. 53 - 59.

Состояние 0:

СП сеть поставок принадлежность «узел сеть поставок»

С1 С2 узлы сети поставок K принадлежность «а/м узел» принадлежность « груз узел »

АМ трансп. средства принадлежность « груз а/м »

Г1 Г2 Г грузы Рисунок 53. Пространственные отношения между объектами: состояние Исходное состояние сети поставок представлено на рис. 53. По событию «LKW2 с грузом G4 прибывает на склад L1» модель сети поставок переходит в состояние 1 (рис. 54.

Раздел 6. Визуализация результатов симуляции LK Lieferkette Zugehrigkeit «Knoten Lieferkette»

L1 TK1 L2 Knoten der Lieferkette Zugehrigkeit «LKW Knoten» Zugehrigkeit «Gut Knoten»

LKW1 LKW Transportmittel Zugehrigkeit «Gut LKW»

G1 G2 G3 G Gter Рисунок 54. Пространственные отношения между объектами: состояние При возникновении события «LKW2 с грузами G1 и G4 появляется в канале TK1» модель сети поставок переходит в состояние 2 (рис. 55.

LK Lieferkette Zugehrigkeit «Knoten Lieferkette»

L1 TK1 L2 Knoten der Lieferkette Zugehrigkeit «LKW Knoten» Zugehrigkeit «Gut Knoten»

LKW1 LKW Transportmittel Zugehrigkeit «Gut LKW»

G1 G2 G3 G Gter Рисунок 55. Пространственные отношения между объектами: состояние При возникновении события «LKW1 прибывает на склад L2 и отдает груз G3» модель сети поставок переходит в состояние 3 (рис. 56).

LK Lieferkette Zugehrigkeit «Knoten Lieferkette»

L1 TK1 L2 Knoten der Lieferkette Zugehrigkeit «LKW Knoten» Zugehrigkeit «Gut Knoten»

LKW1 LKW Transportmittel Zugehrigkeit «Gut LKW»

G1 G2 G3 G Gter Рисунок 56. Пространственные отношения между объектами: состояние Раздел 6. Визуализация результатов симуляции Модель сети поставок переходит в состояние 4, когда возникает событие «LKW1 забирает груз G2 и покидает систему» (рис. 57).

LK Lieferkette Zugehrigkeit «Knoten Lieferkette»

L1 TK1 L2 Knoten der Lieferkette Zugehrigkeit «LKW Knoten» Zugehrigkeit «Gut Knoten»

LKW Transportmittel Zugehrigkeit «Gut LKW»



Pages:     | 1 || 3 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.